Volume e sonoridade: como aumentar o áudio com segurança

Volume, ganho e decibéis

Em um arquivo digital, a forma de onda é uma sequência de amostras com valores finitos. O ganho multiplica cada amostra por um fator: dobrar a amplitude é um ganho de 2 e, em decibéis, cerca de +6 dB. Reduzir a amplitude à metade é -6 dB, e dez vezes a amplitude são +20 dB. A escala de decibéis é logarítmica porque a audição humana responde a proporções e não a diferenças absolutas.

A sonoridade percebida é outra medição. Dois sinais com a mesma amplitude de pico podem parecer muito diferentes em sonoridade, porque a audição é mais sensível a algumas frequências do que a outras e porque sons sustentados parecem mais altos que os curtos. Como regra aproximada, um aumento de 10 dB é percebido como cerca do dobro de volume, mas isso é uma convenção perceptual, não uma garantia para toda gravação.

Clipping e distorção

O áudio digital tem um valor máximo de amostra definido, normalmente chamado de 0 dBFS. Uma amostra que seria mais alta que isso não tem para onde ir, então é cortada no teto, o que é clipping duro. Formas de onda recortadas desenvolvem topos planos e bordas afiadas, e essas bordas adicionam harmônicos que nunca estiveram na gravação; o resultado soa áspero, chiado ou estalado, e é permanente.

Também existe um perigo mais sutil entre as amostras. Medidores de pico real estimam a forma de onda analógica que um conversor digital-analógico vai reconstruir, e ela pode ultrapassar os valores das amostras. É por isso que um arquivo cujas amostras chegam a 0 dBFS ainda pode distorcer na reprodução, e por isso deixar um pouco de margem, muitas vezes um ou dois decibéis abaixo do teto, é mais seguro do que normalizar ao máximo absoluto.

Normalizar não é o mesmo que amplificar

A amplificação aplica um ganho fixo sem análise: cada amostra é multiplicada pelo mesmo número, então a relação entre passagens baixas e altas não muda. A normalização mede algo primeiro e depois escolhe um ganho. A normalização de pico encontra a amostra mais alta e eleva o arquivo para que ela fique logo abaixo do teto, o que torna a gravação o mais alta possível sem clipping.

A normalização de sonoridade mira o nível percebido, usando uma medição baseada em como a audição funciona, e pode aumentar ou atenuar o arquivo para atingir um alvo. Essa distinção importa para a entrega: serviços de streaming e emissoras medem a sonoridade nos próprios termos e aumentam ou diminuem os arquivos para um nível da casa. Um podcast empurrado muito acima da faixa habitual não termina mais alto nessas plataformas; ele simplesmente é reduzido, com menos margem sobrando para os próprios picos.

Os alvos de sonoridade costumam ser expressos em LUFS e se baseiam em normas como EBU R128 e ITU-R BS.1770. O alvo exato muda entre plataformas e emissoras, e os números são revisados com o tempo, então confira a especificação de entrega atual do destino em vez de confiar em um número lembrado.

Um fluxo de trabalho prático para uma gravação baixa

Comece decidindo se o arquivo inteiro está baixo ou só partes dele. Voz uniformemente baixa, como uma aula gravada do fundo de uma sala, é candidata a um ganho direto. Um podcast com convidados que falam baixo e alto precisa de nivelamento ou compressão em vez de um único multiplicador global, porque um aumento que corrige o que fala baixo empurrará o que fala alto para a distorção.

Depois confira os picos antes de aumentar qualquer coisa. Se o pico mais alto chega hoje a -20 dBFS, há cerca de 20 dB de margem para usar, então até um aumento que parece grande pode ser seguro; se os picos já estão perto de -1 dBFS, o arquivo não está realmente baixo. Aplique o ganho, deixe um a dois decibéis de margem e ouça o resultado em um nível realista em vez de no alto-falante de um celular abaixado.

• Leia as medições de pico e sonoridade do arquivo antes de mexer no nível.
• Aumente gravações baixas e uniformes em uma passada em vez de empilhar aumentos.
• Deixe um ou dois decibéis de margem em vez de empurrar os picos a 0 dBFS.
• Exporte um WAV sem compressão enquanto edita e codifique uma única vez o formato de entrega.
• Confira de novo a sonoridade do arquivo final contra a especificação do destino.

Como mudanças de velocidade interagem com tom e duração

Mudar a velocidade de reprodução não é o mesmo que mudar o ganho. Acelerar um arquivo encurta sua duração, e uma reamostragem ingênua também sobe o tom, o que faz as vozes soarem como desenhos animados. O esticamento temporal evita isso mudando o tempo sem reamostrar a forma de onda, que é o que o filtro atempo do FFmpeg faz e o que um mudador de velocidade que preserva o tom expõe.

A duração segue uma relação simples: o novo comprimento é o original dividido pela velocidade. Uma gravação de três minutos em 1,5x vira dois minutos, e em 0,5x vira seis minutos. O tom fica igual em todo o processo, mas velocidades extremas esticam ou comprimem os espaços entre transientes, então percussão e música complexa podem borrar. Quando você combinar uma mudança de velocidade com um aumento de ganho, faça as duas de propósito e confira os picos de novo, porque um arquivo esticado pode conter picos novos que não eram óbvios no original.